套索回归glmnet-有关输入数据的错误

如何解决套索回归glmnet-有关输入数据的错误

我尝试使用glmnet（）拟合套索回归模型。由于我以前从未使用过Lasso回归，因此我尝试与教程相处，但是在应用模型时，总是会出现以下错误：

Error in lognet(x,is.sparse,ix,jx,y,weights,offset,alpha,nobs,: 
one multinomial or binomial class has 1 or 0 observations; not allowed

使用来自这个问题（https://stats.stackexchange.com/questions/72251/an-example-lasso-regression-using-glmnet-for-binary-outcome）的数据集，似乎因变量y必须仅由0和1组成。每当我将y的观察值之一设置为2或任何值时而不是0或1，则会导致此错误。

这是我的代码：

lambdas_to_try <- 10^seq(-3,5,length.out = 100)

x_vars <- as.matrix(data.frame(data$x1,data$x2,data$x3))
lasso_cv <- cv.glmnet(x_vars,y=as.factor(data$y),alpha = 1,lambda = lambdas_to_try,family = "binomial",nfolds = 10)

x_vars_2 <- model.matrix(data$y ~ data$x1 + data$x2 + data$x3)[,-1]
lasso_cv_2 <- cv.glmnet(x_vars,nfolds = 10)

这是我的数据集的样子：

问题是，在我的数据中，y变量表示犯罪数量，因此它具有0到1000之间的整数值。我不能仅将值设置为0到1。使用这些数据进行套索回归如何工作？

解决方法

正如@Gregor指出的那样，您拥有的是计数数据，它应该是回归而不是分类。使用示例数据集，这是实现它的方法：

library(MASS)
library(glmnet)
data(Insurance)

您的响应变量应为数字：

str(Insurance)
'data.frame':   64 obs. of  5 variables:
 $ District: Factor w/ 4 levels "1","2","3","4": 1 1 1 1 1 1 1 1 1 1 ...
 $ Group   : Ord.factor w/ 4 levels "<1l"<"1-1.5l"<..: 1 1 1 1 2 2 2 2 3 3 ...
 $ Age     : Ord.factor w/ 4 levels "<25"<"25-29"<..: 1 2 3 4 1 2 3 4 1 2 ...
 $ Holders : int  197 264 246 1680 284 536 696 3582 133 286 ...
 $ Claims  : int  38 35 20 156 63 84 89 400 19 52 ...

现在我们设置预测变量和响应变量：

y = Insurance$Claims
X = model.matrix(Claims ~ .,data=Insurance)

运行简历以找到最佳的lambda（如果您不了解L1范数）：

fit = cv.glmnet(x=X,y=y,family="poisson")
pred = predict(fit,X,s=fit$lambda.1se)

预测是对数刻度的，因此可以与您的实际比较

plot(log(y),pred,xlab="log (actual)",ylab="log (predicted)")